Principais destaques
- Pesquisadores do Google usaram o modelo Gemini para analisar 5 milhões de notícias sobre enchentes.
- O projeto criou um banco de dados global com 2,6 milhões de registros de inundações.
- A tecnologia já ajuda a prever riscos de enchentes em cidades de 150 países.
As enchentes repentinas estão entre os desastres naturais mais perigosos do planeta, causando mais de 5 mil mortes todos os anos. Mesmo assim, prever esse tipo de evento sempre foi um grande desafio para meteorologistas.
Agora, pesquisadores do Google encontraram uma solução inesperada: usar inteligência artificial para ler notícias antigas e transformar relatos jornalísticos em dados científicos.
A iniciativa utiliza o modelo de linguagem Gemini para analisar milhões de reportagens publicadas ao redor do mundo. A partir dessas informações, o Google criou um banco de dados chamado Groundsource, que permite treinar sistemas de previsão de enchentes em regiões onde quase não existem medições meteorológicas.
Como notícias viraram dados para prever desastres
Uma das maiores dificuldades para prever enchentes repentinas é a falta de dados confiáveis. Diferente da temperatura ou do nível de grandes rios, esses eventos costumam acontecer rapidamente e em áreas muito localizadas, o que dificulta o registro sistemático.
Para preencher essa lacuna, pesquisadores do Google analisaram cerca de 5 milhões de notícias publicadas em diversos países. O sistema identificou aproximadamente 2,6 milhões de registros distintos de enchentes. Cada ocorrência foi transformada em um dado estruturado com localização geográfica e período do evento.
Esse conjunto de informações foi batizado de Groundsource. Segundo a equipe do Google Research, é a primeira vez que um modelo de linguagem é usado para transformar relatos textuais em uma base global desse tipo.
O modelo que calcula o risco de enchentes
Depois de criar o banco de dados, os pesquisadores treinaram um modelo de aprendizado profundo baseado em redes neurais do tipo LSTM. Esse sistema analisa previsões meteorológicas globais e calcula a probabilidade de enchentes repentinas em determinadas regiões.
Os resultados já estão sendo utilizados na plataforma Flood Hub do Google, que mostra áreas com maior risco de inundação. Atualmente, o sistema cobre zonas urbanas em cerca de 150 países e compartilha alertas com organizações de resposta a emergências.
Autoridades de gestão de desastres em regiões como o sul da África relataram que o modelo ajudou a acelerar respostas a eventos de enchentes durante testes iniciais.
Tecnologia pensada para regiões com poucos recursos
Apesar dos avanços, o sistema ainda tem limitações. A previsão funciona em áreas de aproximadamente 20 quilômetros quadrados, o que é considerado uma resolução relativamente baixa. Além disso, a precisão ainda não alcança sistemas nacionais como o do Serviço Nacional de Meteorologia dos Estados Unidos, que usa dados locais de radar em tempo real.
Mesmo assim, o projeto tem um objetivo importante: funcionar em países que não possuem infraestrutura meteorológica avançada ou registros históricos detalhados.
Os pesquisadores também acreditam que a mesma técnica pode ser aplicada a outros fenômenos difíceis de monitorar, como ondas de calor extremas e deslizamentos de terra. A ideia é transformar grandes volumes de textos em bases de dados capazes de alimentar modelos de previsão baseados em inteligência artificial.
✨ Curtiu este conteúdo?
O GDiscovery está aqui todos os dias trazendo informações confiáveis e independentes sobre o universo Google - e isso só é possível com o apoio de pessoas como você. 🙌
Com apenas R$ 5 por mês, você ajuda a manter este trabalho no ar e leva informação de qualidade para ainda mais gente!
